湖仓一体化是一种新型开放式架构，充分结合数据湖和数据仓库的优势，构建在数据湖低成本的数据存储架构之上，又继承了数据仓库的数据处理和管理功能，为业务型CDP所需的全要素、实时性数据处理能力提供了完美的解决方案。

数据存储结构层面，湖仓一体化架构的业务型CDP不仅实现了成本和效率的最佳组合；更重要的是，提供了面向业务的模型表，从而能够搭建GDM（统一数据模型）并定义标准化数据格式，实现对业务对象、及其关联关系的统一规范的描述，并支持外部识别和对接。

湖仓一体化模式下的GDM实现是业务型CDP关键能力，也是业务型CDP的独特之处和最大优势。

图 8： 湖仓一体化模式下的GDM实现

在统一的数据规范基础上，企业可灵活扩展自定义对象，完成满足业务需求的数据建模。从根本上解决CDP产品面对的越来越复杂的数据治理难题。

如下图所述，通过GDM，企业可快速将客户、客户订单、客户事件、人车关系、客户群组、汽车、4s店、维修单等对象建立关联关系，完成复杂营销场景需求下的数据建模。

在实际的操作中，还可通过可视化ER图的方式，进行拖拉拽操作即可完成数据/标签建模。

图 9： GDM在汽车行业的实现

在实际落地过程中，用户全生命周期全要素闭环数据处理流程中的每一步都不轻松。

首先，在CDP的部署上线过程中企业IT人员就面临数据采集和治理难题，从CDP数据处理流程的视角来看：一是「基础数据」的形成过程面临多元化数据接入的挑战，全渠道触点布局和全量数据接入对CDP的埋点能力、数据连接能力提出较高的要求；二是「应用数据」的输出，要求CDP能够高效对接MA、BI等业务应用系统。

其次，除了上述IT人员面临的数据治理问题以及数据分析师等角色面临的数据建模问题，CDP的一类重要终端用户——营销、运营人员，也面临资产数据沉淀方面的挑战。

应对以上难题和挑战，湖仓一体化架构下的GDM实现必不可少。

由于GDM能够将多种格式数据快速转化为统一建模语言，对于IT人员和业务人员来说，不同的数据来源也来带来一样的理解，大幅度提升数据连接和治理效率。因此业务型CDP中，基础数据的集成、资产数据的沉淀以及应用数据的输出和对接，都是基于GDM进行数据映射。

以资产数据的沉淀为例，需要完善、强健的ID-Mapping机制。具备GDM能力之后，原本异构数据打通和治理过程中以散乱表结构存储的对象、关联关系等，将会形成按照业务逻辑抽象的统一范式，并能基于可视化拖拉拽方式，进行One ID策略设计和落地，大量节省业务人员策略设计、IT人员ID-Mapping模式中双方的来回沟通时间和精力投入（并且可能陷入一有策略改动，就要经历长周期定制化开发的模式）。

图 10： 基于GDM的数据映射

2.5 业务型CDP关键能力三：基于GDM的模型标签沉淀

标签数据面临初期的设计搭建以及长期的运营应用挑战。从业务人员视角来看，丰富性、灵活性、智能化是标签体系的追求，即标签体系既要提供丰富多样的标签能力，也要具备调整和延伸的空间，同时还要能兼顾自动化、智能化能力。

在过往的应用场景中（尤其是零售领域的MA应用中），规则标签和公式标签是标配。（关于规则标签和公式标签将在4.1进行详细分析）

但从长期来看，随着业务场景的复杂度提升，规则标签和公式标签在灵活性方面的局限性也将愈发明显。由此，业务型CDP需要具备的第三个关键能力是：基于GDM的模型标签沉淀。

3. 业务型CDP现状与挑战——成熟度评估

3.1 业务型CDP成熟度评估模型

根据前言中的定义，业务型CDP是支撑业务部门实现数字化营销等业务应用的用户数据管理平台，以用户全生命周期运营为导向，通过实时采集、整合、分析全渠道用户数据，支持精准用户获取、高效用户运营等数字化业务应用落地，最终实现业绩增长的目标。

因此，业务型CDP建设应该以用户价值为核心，以精准用户获取和高效用户运营等业务应用为目标，对用户数据进行管理和应用。其中，数据基础是用户价值和业务应用实现效果的决定因素；由于涉及到客户服务和营销等不同业务流程，因此组织支持是业务型CDP建设的基础支撑条件。

① 用户价值：用户价值思维而不是产品或者渠道思维，即用户生命周期价值导向，注重用户资产化，关注用户增长、复购以及用户对企业的忠诚度；

② 业务应用：指数字化营销场景，主要是精准用户获取和精细化用户运营，包括触达方式、互动方式（含营销内容与时机）、购买体验以及口碑传播等；

③ 数据基础：C端用户的全生命周期数据，主要指基础数据、资产数据、标签/画像数据以及应用数据四大类数据的完备度和应用程度；

④ 组织支持：主要涉及决策层支持、预算支持以及数字化营销、运营团队支持

根据业务型CDP的要求，爱分析从用户价值、业务应用、数据基础三个维度对业务型CDP进行成熟度评估，旨在帮助有业务型CDP建设需求的企业厘清建设目标、评估企业业务型CDP现状，并提出业务型CDP建设路径。

图 11： 业务型CDP成熟度评估维度

其中，业务应用和数据基础涉及到业务型CDP的建设和运营现状以及长期建设方向，主要包含CDP、DMP、CRM等系统现状，以及用户画像等相关数据应用深度，需要甲方企业与供应商紧密协作；

用户价值和组织支持主要由甲方业务属性和战略规划以及组织架构建设决定。

业务型CDP建设对于企业的重要性等级，由用户价值以及业务应用的重要性等级决定，跟企业本身业务属性（对应用户价值）和数字化营销业务应用战略（对应业务应用）相关。业务型CDP建设的成熟度等级，则由用户价值、业务应用以及数据基础三个方面的成熟度等级决定，是对甲方企业当前在以上维度的实际建设和运营进展做评估。

重要性和成熟度具体释义，以及相关指标和对应功能如下表所示。

图 12： 重要性和成熟度具体释义

业务型CDP成熟度体现在用户价值、业务应用以及数据基础三个维度，每个维度的成熟度分为4个级别（0-3级）。

由于业务型CDP建设以支撑精准用户获取、精细化用户运营为导向，而不同行业、不同企业对C端营销、运营的需求有较大差异，因此对于不同企业来说，用户价值和业务应用的重要性不同，对应的目标成熟度也不同。

并不是所有企业的用户价值和业务应用维度目标成熟度都需要达到3级，用户价值和业务应用对企业的重要性，决定了对业务型CDP成熟度的要求。而对于所有需要建设CDP的企业来说，数据基础的重要性都是3级，对应的目标成熟也是3级。

图 13： 业务型CDP成熟度评估模型

在企业实际落地业务型CDP时，基于业务型CDP成熟度评估模型，可以对企业现状进行评估，确认建设优先级，并对建设路径进行规划。

首先，基于评估标准，进行三个维度的重要性和成熟度评估。用户价值和业务应用重要性主要是甲方企业属性与战略决定，成熟度则主要由当前相关系统和功能应用情况决定。

其次，根据各维度重要性和成熟度差值，确认优先级。从每个维度，对重要性和成熟度做比较。

成熟度和重要性之间的差距大小，决定了业务型CDP建设的优先度——某个维度成熟度和重要性差距越大，说明该维度较为薄弱，应该优先考虑做补足。

最后，根据优先级，对业务型CDP建设给出建设路径建议。考虑规划差距较大的维度，做相关功能规划，然后是从整体考虑做成熟度提升。

以国内领先的某乳制品公司为例，经过爱分析多方调研，该乳制品公司的业务型CDP成熟度评估结果如下。

整体来看，用户价值重要性为1级，但成熟度也为1级，对于用户价值的认知较为清晰，业务应用需要继续做加强，但整体数据基础薄弱。因此：

数据层面，需要沉淀完整的一方数据，并进行体系化标签建设，用于优化广告投入、并开展精细化用户运营以进一步提升复购率。

业务应用层面，广告投放有一定应用，但精细化用户运营缺失，需要做加强以便支撑长期更高的转化率和复购率。

数据基础、业务应用达到比较均衡的状态之后，二期规划考虑进一步提升业务应用深度。

图 14： 某乳制品公司业务型CDP成熟度评估结果